台湾地区网路使用与日间求医行为之关系:一项横断面研究

介绍

人们搜索健康信息的方式在不断变化。不久以前，人们几乎完全依靠医生的建议来满足病人的医疗需求，因为医学是一门高度专业化的知识领域，一般人无法接触和理解。然而，最近的研究表明，情况正在逐渐改变[1］．

根据台湾网络信息中心2012年发布的年度报告，有1594万台湾人使用互联网，占台湾12岁及以上人口的77.25% [2］．在这些互联网用户中，许多人使用互联网搜索与健康有关的信息。研究报告称，2009年，美国74%的成年人使用互联网，61%的人在网上搜索过与健康相关的信息。特别是49%的受访者曾为了解特定的医疗状况或问题而访问网站[3.］．根据皮尤研究中心2013年的报告，大约59%的美国人在前一年曾在网上搜索过健康信息[4］．互联网提供了各种各样与健康有关的信息，使普通民众能够重申他们从医生那里听到的信息，并作出充分知情的决定[5-7］．

与传统的获取健康相关信息的方式相比，例如去门诊，阅读报纸或杂志，听广播或看电视节目，从邻居或社区或家庭成员那里获得建议，互联网价格低廉，易于获取，并传达多种意见。另一方面，越来越多的医生利用互联网的便利来搜索药物信息。8]和基于网络的证据来源，如UpToDate [9为病人提供更好的医疗服务

有关越来越多的互联网使用如何影响门诊就诊的相关研究一直没有定论。azcar等[10]的研究结论是，患者对行为健康网站的使用极大地激励了他们增加对医疗保健服务的使用。2008年，Lee [11报告称，互联网使用的增加与门诊就诊次数的增加相关，尽管在数据分析中只有年龄和性别受到控制。另一项研究分析了互联网使用和互联网用户的健康寻求行为之间的关系，这些人搜索网络的目的不同。作者报告说，上网搜索时间每增加1小时，患者看医生的可能性就增加约10% [12］．

相比之下，一些研究发现，使用互联网对门诊就诊人数有负面影响或没有影响。在美国进行的一项调查显示，94%的受访者表示他们使用互联网并没有改变他们的门诊次数[13］．另一项在日本进行的调查显示，88.9%的受访者认为他们使用互联网的频率与他们去门诊或打电话给医生询问健康问题的频率没有关系[14］．

鉴于互联网使用与健康寻求行为之间的关系仍有争议，且先前的研究没有对潜在的混杂变量进行充分的调整，我们进行了本次调查，我们从台湾一般人群中随机抽取样本，并对大多数潜在的混杂变量进行了调整。本研究的目的是检验互联网使用在寻求健康行为中的作用，如门诊就诊次数所示。

方法

本研究的数据来自台湾社会变化调查(TSCS)研究项目的第六个周期的第二年(2011年)调查[15］．该项目由中央研究院社会学研究所主持，并由台湾科技部(前身为国家科学委员会)赞助。每年采用2个模块进行问卷调查。例如，在2009年，这两个模块是社会不平等和宗教。最终，从台湾普通人群中随机抽取参与者，共填写社会不平等问卷2026份，宗教问卷1924份。

2011年TSCS调查包含2个模块:(1)家庭问卷和(2)健康问卷。2011年TSCS调查的参与者是从台湾普通人群中随机选择的。对所有选定的参与者进行了面对面的结构化访谈。除共享问题外，问卷中的部分调查问题被分为两组:a组问题和b组问题。每个a组问题都有相似的b组问题。例如，集合A中的问题D1a1和集合B中的问题D1b1都询问了参与者的吸烟状况。

这是一项横断面研究。本研究收集的健康问卷由台湾普通人群中随机抽取的参与者回答。本研究的参与者被编号:编号为奇数的参与者被分配回答a组问题和共享问题;偶数的参与者被分配回答健康问卷中的b组问题和共享问题。我们的研究使用了2011年由中央研究院社会学研究所收集的二级数据集。

我们选择了以下变量:(1)报告的混杂变量，如年龄[16，17]，性[13，16]，每年收入[16]、教育程度[14]、自我报告的健康状况和慢性疾病[17，18];(2)参与者的居住、婚姻状况等背景资料;(3)家庭成员总数、自我感知邻居支持等社会支持变量;(4)对医疗保健制度的态度。

为了平衡无缺失数据组问卷和有缺失数据组问卷之间的变量，我们使用多元逻辑回归建立了倾向得分匹配模型。年龄和性别为自变量，参与者回答的问卷是否有缺失数据(未完成组)(已完成组)是倾向得分匹配的多元逻辑回归模型中的因变量。我们根据多元逻辑回归模型得到每个参与者被分配到完整组的倾向得分。完成组的参与者与未完成组的参与者使用1对1的最近邻匹配而不进行替换，并使用倾向分数logit的合并标准偏差的0.18作为卡尺进行匹配。我们利用接受者工作特征曲线下的面积来检验倾向评分模型是否具有良好的辨别能力。我们期望年龄和性别倾向评分模型在完成组和未完成组之间是平衡的。与未完成组问卷相匹配的已完成组问卷保留作进一步分析。

为了检验自变量与结果变量之间的线性关联，我们根据自变量的尺度计算Pearson相关系数或Spearman秩相关系数。门诊就诊是结果变量。我们使用李克特量表(Likert scale)对门诊就诊进行编码，范围从1到5，分别表示门诊就诊频率从“从不”到“每月几次”。一个有a的自变量P相关系数<。30.was eligible to enter the multivariate linear regression model. In addition, we examined the collinearity between 2 independent variables using the Spearman rank correlation coefficient: “How is your health status?” and “Do you have chronic diseases?” Only one of them stayed in the model if a significant collinearity was identified.

我们进行了多元线性回归分析，以检验互联网使用与门诊就诊之间的关系，包括通过线性和共线性检查选择的混杂变量。我们认为P≤.05，有统计学意义。在本研究中，我们使用STATA/MP 11.0 (StataCorp LP) for Windows PC进行所有统计分析。本研究由台大医院研究伦理委员会批准(201510102W)。

结果

共有2199名参与者参与了这项研究，以回答健康问卷。在2199份健康问卷中，有1064份(48.39%)被偶数编号并分配回答b组问题和共享问题。考虑到set-A和set-B问题是使用不同的量表建立的，即set-A问题建立了从1到5的量表，而set-B问题建立了从1到6的量表，因此我们将回答set-B问题的参与者排除在进一步分析之外。在1135名被分配回答健康问卷中set-A问题和共享问题的奇数参与者中，23人(2.03%)没有提供年龄，因此被排除在外。因此，我们最终纳入了1112份健康问卷，使用多元逻辑回归进行倾向得分匹配(图1)．

共有1112份健康问卷符合本研究的条件:555份问卷没有缺失数据(完成组);557份问卷(50.09%)数据缺失(未完成组)。完成组的参与者明显比未完成组的参与者年轻(P<措施)。完成组的男性参与者多于未完成组，具有边缘性意义(P= 0。06)。为避免潜在的选择偏倚风险，我们在完成组的555份问卷和未完成组的557份问卷之间进行倾向评分匹配，以平衡年龄和性别(表1)．

我们建立了一个倾向评分模型，将完成组参与者(n=555)回答的问卷与未完成组参与者(n=557)回答的问卷进行匹配。完成组和未完成组的倾向评分模型包括2个自变量:年龄和性别。具有良好的识别能力(受试者工作特征曲线下面积=0.83)。我们确定了293对匹配的配对:293名受访者来自完成组，293名受访者来自未完成组。匹配前，完成组的平均(SD)倾向得分为0.67(0.22)，未完成组为0.33 (0.25)(P<措施)。匹配后，完成组的293名参与者的平均(SD)倾向得分为0.55(0.22)，未完成组的293名参与者的平均(SD)倾向得分为0.51 (0.22)(P= . 07)。完成组的293名参与者和未完成组的293名参与者的年龄和性别没有显著差异。完成组的293名参与者符合双变量分析和多元线性回归分析的条件。

在检验各自变量与门诊次数之间的线性关系(表2)，我们发现那些认为自己更健康的参与者与更多的门诊就诊呈负相关(P< .003)。相比之下，患有慢性疾病，如糖尿病、高血压或高脂血症的人，往往有更多的门诊就诊次数(P<措施)。使用斯皮尔曼等级相关系数对“你的健康状况如何?”进行共线性检查。和“你有慢性病吗?”showed a correlation coefficient of –.18 (P= .002)。因此，我们排除了“What is your health status?”进一步的分析。

‎ 查看此图

在对完成组的293名参与者使用多元线性回归控制其他混杂变量后，我们发现互联网使用与门诊就诊次数显著相关(P= .04点)(表3)．的调整R²为.1195，表明该多元线性回归模型可解释11.95%的方差。

讨论

主要研究结果

在完成组和未完成组使用倾向核匹配控制年龄和性别，并使用多元线性回归分析控制其他混杂变量后，我们发现使用互联网的时间越多，门诊就诊次数越多。

媒体中的健康相关信息

报纸、杂志、期刊、电视和广播等媒体不仅报道日常生活信息和受众的兴趣，而且还报道与健康有关的信息。媒体帮助患者正确解读健康相关信息的最重要方式之一是以公正的方式呈现信息[19，20.］．然而，通常情况并非如此。网上的健康信息可能不像教科书或学术期刊上显示的信息那样正确[21］．

Diem等[22]报道说，在电视节目中，接受心肺复苏的人的存活率明显高于文献中报道的最乐观的存活率。陈等[23]也报导台湾主要报纸报导的危重病人使用生命支持治疗的资讯，从存活概率来看，过于乐观。除了媒体中有关生命支持治疗的健康相关信息外，Moynihan等[24]研究了美国主要全国性报纸、地方报纸和电视网络对三种药物的益处和风险的媒体报道。他们得出的结论是，关于药物的媒体报道包含了关于药物的好处、风险和成本的不充分或不充分的信息。

上述研究得出了一个主题[22-24]，即媒体倾向于展示有偏见的健康相关信息。因此，受众分析和评估各种媒体上显示的信息的能力对于判断媒体中与健康有关的信息是有偏见还是无偏见至关重要。

互联网使用与门诊就诊

传媒在提高病人对医疗服务的认识，以及在影响外行对医疗服务的认识和决策方面发挥重要作用[25］．我们的研究发现，花更多时间使用互联网的外行更有可能去门诊。有几个原因可以解释这一现象:

首先，一些研究报告称，使用互联网搜索健康相关信息的人需要医疗保健专业人员提供更多帮助，以解释和理解他们获得的健康相关信息[11，26］．另一项研究报告称，媒体报道的有争议的健康相关信息可能会影响患者对医疗护理的看法和决策[27］．此外，一些研究表明，互联网上与健康有关的信息不太可能得到网上健康基金会的认可，因此可靠性较低[28］．这种不一致的质量会给患者带来明显的焦虑。因此，花更多时间使用互联网的患者可能更有可能到门诊诊所澄清和解释万花筒般的健康相关信息。因此，这可能会增加医生的工作量，因为他们不得不花更多的时间讨论健康相关的信息，并让患者放心[27］．

其次，与不上网搜索健康相关信息的人相比，在网上搜索健康相关信息的成年人更有可能认为自己健康状况不佳。13］．因此，花更多时间使用互联网的外行更有可能去门诊，这并不是因为他们使用互联网，而是因为他们倾向于认为自己健康状况不佳，因此倾向于就自己的健康状况寻求专业建议。

第三，媒介素养可以解释我们的研究结果。具有较好媒体素养的外行可能不会简单地接受媒体展示的与健康有关的信息。相反，他们可能更愿意通过研究学术期刊来仔细消化从媒体获得的与健康有关的信息，通过咨询卫生保健专业人员来寻求专业指导，等等。到门诊获取有关媒体上显示的健康相关信息的专业建议是获得指导的最方便和最省时的方式。因此，经常在网上寻求健康相关信息的人与更多的门诊就诊显著相关。

优势与局限

本研究以台湾普通人群的随机样本为基础，以门诊就诊次数为指标，检视互联网使用与健康求医行为之间的关系。我们使用了复杂的统计方法来最小化由于缺失数据对外部有效性的威胁，并控制各种各样的混杂变量。此外，研究结果通过提供新的数据和控制以前研究中没有控制的一些混杂变量(即家庭成员总数和医生是否被认为值得信赖)，扩展了已经知道的内容和以前报道的学术工作[11-13］．因此，我们相信本研究的结果是有说服力和可推广的。

然而，本研究也存在一定的局限性。这是一项横断面研究，使用问卷让参与者回忆他们使用互联网的频率和他们门诊就诊的频率。互联网使用和门诊就诊之间的因果关系不像前瞻性队列研究的设计那么强。此外，调查对象回忆起的互联网使用频率并不一定表明他们一直在搜索与健康相关的信息。在应用本研究结果时，应进一步考虑这种潜在的不准确性。

第二，回忆偏倚也可能影响本研究的结果。这可能只是由于参与者对有关他们过去一年的互联网使用和门诊就诊的调查问题的答案的准确性或完整性的差异。或者，如果参与者病得很重，他们已经去了好几次门诊，他们就不容易回忆起他们在过去一年中去门诊的频率。同样，如果参与者只是偶尔使用互联网，他们可能无法回忆起他们使用互联网的频率。

第三，可能存在对互联网使用与门诊就诊次数之间关系的担忧，这在单变量分析中不显著(P=.27)但在多变量分析中显著(P= .04点)。有几个原因可能导致这种现象[29]:(1)交互作用:我们检查了每天上网时间(小时)与慢性疾病状况之间的交互作用，发现这两个变量之间没有交互作用(P= .57);(2)不平衡样本量的影响:用于多元线性回归的数据集不存在不平衡样本量;(3)缺失数据的影响:纳入多元线性回归模型的293份问卷均无缺失数据。这种“在单变量分析中不显著，但在多变量分析中显著”的现象可能与其他一些原因有关。

第四，我们使用倾向得分匹配来比较完成组中的参与者子集与未完成组中年龄和性别相似的参与者子集[30.-32］．使用倾向分数匹配选择的完成组和未完成组的子集可能不能很好地代表各自的整个组。因此，研究结果的可泛化性可能值得关注。

第五，低调整R²可能值得关注。不过，预期是调整的R²某些领域的价值会很低。例如，试图预测人类行为的领域通常具有较低的调整R²值。鉴于本研究的性质是预测人类行为，我们的研究结果有一个调整是可以接受的R²= .1195。

结论

在过去十年中，利用因特网等信息技术向普通民众提供与健康有关的信息的情况迅速增长，今后还将继续迅速增长。我们的研究发现，互联网使用与门诊就诊频率呈正相关。互联网信息的矛盾性或多样性可能在门诊就诊频率的增加中发挥重要作用。此外，患者分析和评估各种媒体模式传达的健康相关信息的能力，判断这些信息是有偏见的还是无偏见的，也可能影响他们的门诊就诊频率。未来的研究可能集中在媒体素养如何影响外行人对健康相关信息的解读和他们的健康寻求行为。